通过光电容积描记法和生物阻抗响应在心理算术任务中评估认知负荷

你的大脑工作负荷为何重要

无论你是在驾驶飞机、监护病人，还是为考试复习，总有大脑从专注到过载的时刻。能够实时测量这种上升的心理负担，有助于防止错误、职业倦怠和事故。该研究探索了一种新的、无创的方法，通过在颈部和额头放置小型传感器来跟踪“你的大脑有多努力工作”，避免了笨重的脑帽或复杂的医院设备。

倾听思维的心跳

研究人员没有记录脑电波，而是利用了大脑与心脏之间的紧密关联。当我们处理艰巨任务时，神经系统会切换状态：心跳改变，血管收缩或放松，流向关键脑区的血流发生变化。团队使用了两种简单技术来感知这些变化。位于颈部的基于光的传感器（光电容积描记法，PPG）跟踪供血到大脑的一条大动脉中血液的搏动情况。与此同时，贴在额头的一组微小电极（阻抗描记法，IPG）检测大脑前部局部血容量的细微变化——那里负责计划、计算和决策。两者的信号共同提供了在心理努力期间全局与局部血供的视窗。

用数字给大脑施加压力

为了以可控方式对大脑施压，15名年龄在20到35岁的健康志愿者在计算机上解决一系列心理算术问题。任务分为四个阶段：放松基线、简单的一位数加法、两位数加法，以及需要更多记忆与进位操作的更难的三位数加法。每个短试次以屏幕上的指示开始，中间有五道题，最后在屏幕显示注视十字时进行短暂休息。整个过程中，颈部和额头传感器持续采集数据，计算机记录每个人的答题速度与准确性。正如预期，难度更大的题目导致反应更慢、错误更多，尤其在最困难等级，这证实了任务确实提升了心理负荷。

解码血流信号中的隐藏模式

来自两种传感器的原始波形被切分成小时间窗，并用数字滤波器清除低频漂移和高频噪声。从每个时间窗中，研究人员提取了数十个简单的描述性特征：最大值与最小值、平均值、信号变异程度以及能量在不同频率上的分布。他们还测量了心跳间期以及颈部脉冲与额头脉冲之间的延迟，这一量称为脉搏传输时间。将这些数值特征输入三种现成的机器学习算法——决策树、随机森林和XGBoost，以检验计算机是否能仅凭心血管模式区分不同的心理负荷水平。

计算机能多准确地读出你的心理压力？

当为每个人构建个性化模型时，系统表现出惊人的准确性。对于简单的“放松”与“做算术”二分类任务，三种算法都达到了100%的准确率。即便是更难的四分类问题——放松、简单、中等和困难算术——表现最好的方法随机森林也能96%地正确识别。然而，当系统尝试从一组人推广到另一组人时，性能下降到大约三分之二的准确率。这表明个体在基线心脏和血流反应上有显著差异，现实应用的设备可能需要为每位用户进行短暂的个性化校准才能可靠工作。

最具信息量的信号告诉我们什么

通过检查算法最依赖的特征，研究人员发现额头的IPG测量包含了大部分有用信息。特别是，额头信号的平均值与极值在重要性排序中始终靠前，优于颈部PPG特征和组合时序指标。这与当前对血-脑耦合的理解相符合：当我们进行高强度的心理工作时，大脑前部会需要更多“燃料”，局部血容量随之变化。颈部传感器通过反映整体心血管唤醒仍然提供了价值，但局部的额头读数为瞬时的心理需求提供了更明确的线索。

从实验室传感器到更智能、更安全的工作场所

对非专业读者来说，关键信息是：心理努力会在通往大脑及大脑内部的血流方式上留下独特指纹，而这指纹可通过小型可穿戴传感器而非复杂的脑成像设备捕捉到。研究表明，将颈部的光学传感器与额头上的简单电极结合，可以让算法在对个体进行调校时，以与许多基于脑电的系统相当的准确度跟踪多级认知负荷。随着改进与佩戴舒适性的提升，这类技术未来有望帮助飞机驾驶舱、汽车、课堂与控制室自动调整任务与警报，在操作人员变得危险地超负荷之前减轻压力。

引用: Huynh, D.N., Tran, T.N., Tran, K.T. et al. Assessment of cognitive load through photoplethysmography and bioimpedance responses during mental arithmetic tasks. Sci Rep 16, 7367 (2026). https://doi.org/10.1038/s41598-026-38782-3

关键词: 认知负荷, 心理算术, 可穿戴传感器, 脑-心相互作用, 机器学习